CN102508995A - 基于多智能体的煤矿事故仿真方法及系统 - Google Patents

Abstract

本发明公开了一种基于多智能体的煤矿事故仿真方法及系统，其中方法包括：构建智能体实体和虚拟仿真环境；选择预设模型和预设知识，进行智能体模型计算，形成模型计算结果；进行智能体实体行为计算，选择智能体实体行为；利用智能体行为经验学习规则进行智能体实体行为配置，执行智能体实体行为，更新虚拟仿真环境的环境变量，仿真场景构建模块基于智能体的行为状态信息和更新后的环境变量更新当前时刻的虚拟仿真环境。并对行为选择参数进行更新，采用更新后的行为选择参数进行相邻下一时刻的智能体实体行为计算。本发明能够模拟各种环境下的煤矿事故，从而为及时发现煤矿事故隐患提供丰富的信息。

Description

基于多智能体的煤矿事故仿真方法及系统

技术领域

本发明涉及仿真技术，尤其涉及一种煤矿事故仿真方法和系统。 

背景技术

煤矿生产系统是一个由人、机、环境组成的复杂系统，存在着能量载体或危险物质，物的故障、物理性环境因素以及组织管理因素等各种危险源，均可能导致发生瓦斯煤尘爆炸、突水、井下火灾、顶板事故、瓦斯突出、机电事故等。此外，各种危险因素具有动态性、随机性和模糊性。对煤矿事故的控制，归根到底就是对煤矿存在的各类危险源进行辨识、评价和控制。危险源理论的研究和发展影响着事故控制和安全管理水平，对煤矿安全生产具有重要意义。 

煤矿事故发生的原因是多方面的，除了与矿井本身的自然条件、开采工艺、管理水平、安全意识及人员素质等有很大关系外，技术装备信息化水平仍然是极为关键的因素。目前有很多矿井已装备了监测系统，但是由于煤矿井下工作场所是动态变化的，影响事故发生的危险因素也是不断变化的，现有的监测设施仅仅是监测部分安全参数，难以预测分析事故可能发生的地点、时间及波及区间，也不能根据预测到的数据采取相应的措施，最终造成安全事故难以显著下降、危害程度不能有效控制、事故原因难以调查清楚。 

发明内容

本发明针对现有技术中存在的问题，提供一种煤矿事故仿真方法及 系统，能够虚拟各种环境下的煤矿事故，从而为及时发现煤矿事故隐患提供丰富的信息。 

本发明提供了一种基于多智能体的煤矿事故仿真方法，包括： 

根据收集到的基础数据、智能体概念模型和环境参数构建智能体实体和虚拟仿真环境； 

选择预设模型和预设知识，将所选择的预设模型和知识结合所收集的基础数据和环境参数值，进行智能体模型计算，形成模型计算结果； 

根据预设智能体行为规则和所述模型计算结果，进行智能体实体行为计算，选择智能体实体行为； 

利用智能体行为经验学习规则进行智能体实体行为配置，执行智能体实体行为，更新所述虚拟仿真环境的环境变量，将智能体的行为状态信息和更新后的环境变量发送给仿真场景构建模块，使得仿真场景构建模块基于智能体的行为状态信息和更新后的环境变量更新当前时刻的虚拟仿真环境； 

利用进行智能体实体行为配置时生成的配置信息更新行为选择规则中的行为选择参数，利用更新后的行为选择参数进行相邻下一时刻的智能体实体行为计算，选择智能体实体行为，进行智能体实体行为配置，执行相邻下一时刻的智能体实体行为，更新所述虚拟仿真环境的环境变量，将相邻下一时刻的智能体的行为状态信息和更新后的环境变量发送给仿真场景构建模块，使得仿真场景构建模块基于智能体的行为状态信息和更新后的环境变量更新相邻下一时刻的虚拟仿真环境。 

本发明还提供了一种基于多智能体的煤矿事故仿真系统，包括： 

智能体生成模块，用于根据收集到的基础数据、智能体概念模型和环境参数构建智能体实体； 

仿真场景构建模块，用于根据收集到的基础数据、智能体实体和环境参数构建虚拟仿真环境； 

模型计算模块，用于选择预设模型和预设知识，将所选择的预设知识模型结合所收集的基础数据和环境参数值，进行智能体模型计算； 

行为选择模块，用于根据预设智能体行为规则进行智能体实体行为计算； 

行为配置模块，利用智能体行为经验学习规则进行智能体实体行为配置，执行智能体实体行为，更新所述虚拟仿真环境的环境变量，并将环境变量发送给所述仿真场景构建模块；利用进行智能体实体行为配置时生成的配置信息更新行为选择规则中的行为选择参数，使得所述行为选择模块利用更新后的行为选择参数进行相邻下一时刻的进行智能体实体行为计算，选择智能体实体行为后，进行智能体实体行为配置，执行相邻下一时刻的智能体实体行为，更新所述虚拟仿真环境的环境变量，并将所述环境变量发送给所述仿真场景构建模块。 

上述系统还可以包括事故隐患辨识模块，用于对仿真过程数据和最终结果进行综合量化分析，确认煤矿事故与各种影响要素之间微观和宏观的联系，进而对目前煤矿可能面临的事故风险进行预测，在应急能力提升和隐患控制方面，给决策者以辅助决策。 

本发明提供的煤矿事故仿真方法及系统，根据收集到的与待仿真的事故相关的基础数据、智能体概念模型和环境参数值构建智能体实体和虚拟仿真环境，执行每一时刻的智能体行为，并依据智能体行为的执行更新虚拟仿真环境的环境变量，将当前时刻的虚拟仿真环境显示，实现了煤矿事故的仿真。并且，利用当前进行智能体实体行为配置时生成的配置信息更新行为规则中的行为选择参数，利用更新后的行为选择参数进行相邻下一时刻的智能体实体行为计算，这样可以采用当前时刻的事故发展情况与相邻下一时刻的事故发展情况相关联，真实地反映事故的演变状态。 

附图说明

图1所示为本发明基于多智能体的煤矿事故仿真方法的技术思路示意图； 

图2所示为本发明涉及到的基于智能体的煤矿事故建模的示意图； 

图3所示为本发明煤矿事故仿真系统的结构示意图； 

图4所示为本发明煤矿事故仿真方法的流程图； 

图5所示为本发明煤矿事故模拟的流程示意图； 

图6所示为本发明灾难源智能体的行为执行过程示意图； 

图7所示为本发明涉及到的事故数据分析过程的示意图； 

图8所示为本发明涉及到的指挥演练工作流程图。 

具体实施方式

多智能体(Agent)仿真是近年来出现的一种较新的仿真方法，在许多领域得到了广泛的应用，尤其与复杂性研究关系密切。多智能体仿真是一类微观仿真技术，它利用分布式人工智能领域的最新研究成果，依靠计算机强大的计算能力，采用自下而上的思路，对复杂系统建立模型，其中的微观个体可以具有丰富的属性和接近真实的决策逻辑和行为特征，通过个体之间以及个体与环境之间的相互作用，涌现出系统的宏观特性，从而在微观和宏观之间建立起联系的桥梁。多智能体仿真建模灵活、自然，个体属性和行为不受限制，特别适合对由具有一定智能性的微观个体组成的复杂系统进行研究，受到生物学、经济学、社会学等学科的重视，成为一种新颖的研究工具。 

因此，可以利用多智能体(multi-agents)在复杂系统建模研究方面的优势，通过个体智能行为的自治、推理、通讯和协作机制，从个体之间或个体与环境之间的交互而隐现出个体层面上不可预见的宏观行为，从而对煤矿安全事故进行过程仿真和风险预测。根据现场数据和历史数 据，从宏观和微观的两个层次模拟各类智能体(包括灾难源、现场人员、设备等)在事故紧急状态下精确地行为过程，既可以对以前发生的事故进行过程重现，也可以对可能发生的事故进行过程预演。作为危险辨识与风险预测的重要支撑工具，仿真结果可以用于事故原因的深入分析，煤矿危险源及危险程度的量化评估，并对现有的应急措施的有效程度进行判断，从而有利于制定合理的、科学的、高效的应急方案，大大提高煤矿对安全突发事件的应变能力。 

本发明基于分布式思想，采用自底向上的方法，利用分散的微观智能模型来模拟整个煤矿环境的复杂系统，在真实模拟煤矿事故中各类Agent实体的微观行为之后，再将这些个体通过相互作用集合来反映整个事故发生的宏观规律，实现由简单元素互相作用而形成的复杂现象。 

图1所示为本发明煤矿事故仿真方法的技术思路示意图。 

在对实际煤矿系统进行观察时应同时收集微观数据和宏观数据。微观数据和关于个体的先验知识是提出假设、建立微观模型的基础。宏观数据反映系统的宏观特性，部分微观和宏观数据用于模型验证，用来推断仿真系统和真实系统的微观-宏观联系是否一致。 

采用多Agent视角建立概念模型。通过提出一系列的假设，将所研究的煤矿系统抽象为一个多Agent系统，基本步骤可以包括：划分系统边界，分离系统和环境；识别系统中的主体，赋予主体属性；建立各类主体的微观模型；建立主体之间以及主体和环境之间的相互作用模型。 

采用多Agent技术实现仿真系统。以多Agent概念模型为基础，在计算机上实现仿真系统，构造虚拟世界，为进行“实验”研究提供基础。编程实现时可以采用AOP(agent oriented programming)技术，也可以采用其他技术如面向对象仿真技术、离散事件系统仿真技术等。 

通过对仿真系统设计不同的“实验”方案，用仿真实验的方式来探索煤矿事故的演化动态，事故的发生是在仿真过程中自发涌现出来的。并 在必要时可以进行多次大量的重复模拟，完成对各种煤矿事故按不同指标体系的全面、准确、及时、量化地分析评估。 

通过对仿真过程和结果的综合分析，可以对一些在现实系统中难以评估的指标进行准确可靠的量化分析，帮助理解煤矿事故与各种影响要素之间微观和宏观的联系，进而实现煤矿安全隐患的辨识，对煤矿的事故应急能力进行评估。 

根据分析出来的结果，对目前煤矿可能面临的事故风险进行预测，在应急能力提升和隐患控制方面，给决策者以辅助决策。 

一、基于Agent的煤矿事故建模 

利用多Agent技术，将煤矿灾难源、井下矿工、应急设备、救疗媒介等应急实体定义智能体(Agent)，在充分分析事故发生过程中的行为细节及其影响因素的基础上，将应急实体的个体特征映射为Agent的状态属性，将应急实体自发采取的，以及受外在事件激发而采取的各种行为映射为Agent的行为规则，从而建立起各类Agent原型。各类Agent原型具有智能性，涉及到的数学模型和行为规则(智能体原型建模、行为规则、经验学习规则、环境更新规则，疏散方案制定规则以及应急知识推理产生式)，可以根据实际需要具体规定。就煤矿事故而言，需要构建的模型包括灾难源演变模型、应急能力评估模型、事故应急处置模型(用于实现多目标事故处置规划，总费用最小，效果最好，时间最短，对环境破坏最小等多目标规划的事故处置问题求解)，应急资源优化调度模型(用于实现多阶段资源优化调度的方程表达式)，决策分析模型(多属性群决策分析模型，模糊决策分析模型)等。图2所示为本发明涉及到的基于Agent的煤矿事故建模的示意图。 

●Agent的整体结构 

E_t(输入)是Agent感知到的，对其状态及行为可产生刺激作用的外在事件的集合；V_t(输出)是Agent行为的集合，包括Agent自发采取 的，以及受外在事件刺激采取的所有行为；Y_t(进化机制)是Agent在感受外在事件刺激与其他Agent进行交互学习过程中所获得的经验指数，N(控制机制)为Agent所受的约束条件，包括环境，其他Agent以及任务目标对该Agent的限制。 

灾难源Agent、矿工Agent、医院Agent、应急设备Agent都具有一定的个体特性参数，这些参数被量化后成为行为规则中数学或逻辑运算的参数值，随着模型的细化，参数可以扩充，模型库中模型可以做相应的修正。 

灾难源Agent特性参数：发生地点、灾难规模、扩散速度； 

矿工Agent特性参数：初始化目标、当前位置、自身属性(健康程度，速度)、心理因素(恐慌程度，压力程度，从众心理)、知识层面(对环境的熟悉程度，认知学习能力)； 

应急设备Agent特性参数：初始化目标、当前位置、速度、当前状态(无法运行，状态值为0；运行正常，状态值为1)、通信程度。 

救疗媒介Agent特性参数：地理位置，容量(容纳病人数量，医药物资数量)，当前状态(已满，状态值为1；空闲，状态值为0)，治疗效率。 

●Agent控制机制： 

灾难源演变模型：模型将根据灾难源Agent特性以及对环境参数和量纲确定的基础上对其行为的影响模式进行提取和统计分析，计算出灾难源在灾难事件发生后可能扩散的区域和影响的范围，重点模拟了灾难源Agent在引导作用，演变扩散和随机障碍物等影响下的行为反应，结果要符合实际情况，为处理当前和将要发生事故的危险程度和范围评估提供参考。例如模拟火灾扩散的元胞自动机模型。 

应急预案模型：进行系统目标分析，确定目前企业所具备的应急资源及预期使用方案。模型将根据煤矿地理信息中巷道路网结构和相关约 束条件，计算出所要选择的应急预案，实现多目标疏散路径规划，如危险程度最小，时间最短的逃生线路，为人员疏散策略的制定和重要危险地段的道路设计提供决策依据。例如采用默认最短路径算法，即应急预案总是提示人员选择距其最近的路径和出口逃离事故区域。 

人员疏散行为模型：建立人员紧急疏散系统动力学仿真模型。首先对模型参数和量纲进行了确定，根据如模型中人员Agent的属性变量、速率变量、状态变量以及环境变量，建立了系统动力学仿真模型，运算出人员智能体紧急疏散的行为序列。模型中综合考虑疏散过程中疏散人员的竞争能力和判断能力，被疏散人员之间的从众行为，人员身体素质，起引导作用的信息交流，导向标识以及通道阻塞等外在因素对被疏散人员的影响。 

●Agent进化机制： 

$Y_t=Y_{t-1}\⊕S_{t-1}$

$v_t=f\left(Y_t\right){|}_{\mathrm{\&epsiv;}(\mathrm{\&alpha;},v_t,E_t,Y_t)\&DoubleRightArrow;<S_{t+1},N,\mathrm{\&Lambda;}>}$

Agent的智能性表现在其执行任务时的行为学习过程上，不断获得基于与其环境交互作用的解决问题经验。这些经验通过被记录和更新的方式，用于产生智能行为。 

表示经验状态Y_t-1基于环境状态S_t-1的更新。f()表示经验Y对行为V的函数映射。 

二、煤矿事故仿真平台构建 

煤矿事故仿真平台采用自底向上的方法，将人工智能、数据库和计算机仿真技术有效结合，利用分散的微观智能模型来模拟整个煤矿事故发生的场景。如图3所示为本发明煤矿视事故仿真系统系统的结构示意图。仿真场景构建模块1依靠数据库模块2的数据支撑，为Agent模拟事故过程提供运行环境。数据库模块2可以包括综合数据库21、知识库22以及模型库23，其中综合数据库21又可以包括危险源子库211、资源子库212、基础地理数据子库213、统计数据子库214、预案子库215和 子库212、基础地理数据子库213、统计数据子库214、预案子库215和案例子库216。仿真场景构建模块1可以包括二维场景仿真子模块11与三维场景仿真子模块12。 

●数据库模块2：危险源子库、资源子库、基础地理数据子库为系统其他模块提供基础数据支持；统计信息库、预案子库、案例子库为知识库和指挥决策模块提供数据支持，为制定合理的疏散方案提供了依据和指导。危险源子库、资源子库、统计数据子库中的数据可在基础地理数据子库框架的基础上集成，通过数据管理模块实现。 

√危险源子库：包括危险源空间地理位置、单位名称、详细分布平面图、危险源种类、专项处置预案、相关专家等信息。 

√资源子库：包括应急物资资源种类、数量、分布位置、隶属单位、应急队伍资源分布位置、隶属单位、人力数量、队伍简介、处理险情种类、负责人联系电话、应急专家姓名、联系方式、专业领域描述、所在地等信息。 

√基础地理数据子库：包括矿井巷道空间分布、地理状况信息以及环境数据、空间地理信息数据。环境数据包括井下巷道、煤层、湿度、风速等自然环境，道路、工作面、设备等基础设施。 

√统计信息库：对应急事件产生影响的业务统计信息，例如井下作业人员基础数据库、生产数据等，其中人员基础数据库包括井下各区域人口数量、组成和分布信息。 

√预案子库：将已编制和将来编制的预案数字化，并分段以文本方式存入数据库；预案是指根据预测，根据潜在的或可能发生的安全事故的类别和影响程度而事先制定的应急处置方案。 

√案例子库：包括典型案例信息以及案例依循的法律法规信息。典型应急案例的文本、图片、视频数据以及法律法规通过数字化后存入关系型数据库中。 

●模型库22：用于存储煤矿事故应急的算法模型，包括灾难源演变模型、应急能力评估模型、事故应急处置模型、决策分析模型等。模型种类的多样性和复杂性，决定了模型集成时，不宜把模型直接编进代码，否则会造成编码工作量巨大，模型选择困难。模型库将系统需要使用的众多模型按面向对象的组件结构形式组织起来，进行有效地管理和使用。模型库的模型可以重复使用，也可以有针对性地筛选使用，或者根据实际情况予以扩展。实现方法是把各个模型从代码中独立出来，每个模型都生成自己的动态链接库(Dll文件)，利用面向对象设计的特点进行封装，最后形成系统的模型库。 

●知识库23：存储、组织、管理和使用互相联系的事故知识集合，知识集合包括应急事故领域内有关的定义、定理、运算法则以及常识性知识；知识库基于预案子库和案例子库中的信息，制定知识规则，产生应急方案；以及根据统计数据子库中的经验统计数据，生成应急知识推理产生式，设置智能体参数，包括智能体(Agent)原型建模规则、智能体的行为规则、智能体行为经验学习规则等。 

●参数配置界面模块3：接受用户设置参数，并提交给Agent产生模块和仿真模块；所述设置参数由Agent参数和仿真环境参数构成，所述Agent参数包括矿工Agent参数和灾难源Agent参数，所述仿真环境参数包括事件区域环境参数，例如事故发生地点，危险源扩散速度，疏散人员数量、特征、位置分布等。通过有界面的参数配置模块，能够在虚拟环境中定制不同事故场景下应急事件、应急实体以及环境参数的参数值。 

●数据管理模块4：在接收通信模块(通信模块可以设置在检测系统5中)信息的基础上，实现两方面的功能：一是将通信模块传来的实时监控信息入库，实现数据库数据的存储、更新和修改；二是整合数据库中各方面的资料数据，包含危险源单位信息、涉及种类、处理预案；煤矿 瓦斯分布图、井下人员位置、应急设备位置等信息，实现高级分析功能，例如借助地理信息系统GIS技术实现空间信息的搜索查询，将统计分析的信息作为辅助指挥决策模块的依据。 

●仿真场景构建模块1：根据设置参数，在综合数据库的危险源子库、资源子库、基础地理数据子库的基础上建立符合真实情况的煤矿事故场景模型，将场景中的环境信息映射到仿真模块中，为事故仿真提供仿真环境；所述仿真环境将事故的发生、发展和结束通过二维场景、三维场景、图像或者文字等多种媒体形式在计算机中直观展现。三维仿真子模块以真实二维地理信息系统的数据为基础，采用三维建模工具来建立三维仿真场景，从微观的角度形象地展现事故的演变过程，图像以及文字作为辅助方式用于事故信息的展示。此外，该模块需要在环境因素分析的基础上，确定系统仿真环境的界限，必须与真实的情况一致，例如巷道路网结构中的通风方向是受到一定限制的。 

●事故仿真运行模块6：实时动态更新Agent的状态和环境的变化，将仿真结果直观的反映给用户。 

●事故隐患辨识模块7：根据仿真结果获取煤矿安全隐患辨识信息和风险预测信息。 

三、基于计算实验的事故模拟 

煤矿事故的模拟“实验”，一般是不可能在实际煤矿中，特别是正在运行的煤矿中进行的。并且在许多时候由于缺乏足够的观察时间和充足的数据，很难在现实系统中对一些指标进行准确可靠的量化分析与评估。但是在仿真系统里，这些可以通过设计不同的“实验”方案方便地完成，并且计算实验还具有可设计性和可反复进行的特点，在必要时可以进行多次大量的重复，包括各种关于性能可靠性和质量的“加速”实验、“压力”实验以及“极限”实验等，从而可以按不同指标体系对各种煤矿事故进行全面、准确、及时、量化地分析评估。特别是，仿真系 统不但是对现实系统的模拟，而且还可以提供现实系统的替代版本，从而扩大了量化分析的适用范围及其结果的可靠性和鲁棒性。 

图4所示为本发明煤矿事故仿真方法的流程图，包括： 

步骤101、根据收集到的基础数据、智能体概念模型和环境参数构建智能体实体和虚拟仿真环境。 

步骤102、选择预设模型和预设知识，将所选择的预设知识模型结合所收集的基础数据和环境参数值，进行智能体模型计算，形成模型计算结果。 

步骤103、根据预设智能体行为规则和所述模型计算结果，进行智能体实体行为计算，选择智能体实体行为。 

步骤104、利用智能体行为经验学习规则进行智能体实体行为配置，执行智能体实体行为，更新所述虚拟仿真环境的环境变量，将智能体的行为状态信息和更新后的环境变量发送给仿真场景构建模块，使得仿真场景构建模块基于智能体的行为状态信息和更新后的环境变量更新当前时刻的虚拟仿真环境。 

步骤105、利用智能体实体行为配置时生成的配置信息更新行为选择规则中的行为选择参数，利用更新后的行为选择参数进行相邻下一时刻的智能体实体行为计算，选择智能体实体行为，进行智能体实体行为配置，执行相邻下一时刻的智能体实体行为，更新所述虚拟仿真环境的环境变量，将相邻下一时刻的智能体的行为状态信息和更新后的环境变量发送给仿真场景构建模块，使得仿真场景构建模块基于智能体的行为状态信息和更新后的环境变量更新相邻下一时刻的虚拟仿真环境。 

本发明提供的煤矿事故仿真方法，根据收集到的与待仿真事故相关的基础数据、智能体概念模型和环境参数值构建智能体实体和虚拟仿真环境，执行每一时刻的智能体行为，并依据智能体行为的执行更新虚拟仿真环境的环境变量，将当前时刻的虚拟仿真环境更新显示，实现了煤 矿事故的仿真。并且，利用当前进行智能体实体行为配置时生成的配置信息更新行为规则中的行为选择参数，利用更新后的行为选择参数进行相邻下一时刻的智能体实体行为计算，这样可以采用当前时刻的事故发展情况与相邻下一时刻的事故发展情况相关联，真实地反映事故的演变状态。 

如图5所示为本发明煤矿事故模拟的流程示意图，下面结合如图3所示的系统和图5所示的流程详细介绍本发明煤矿事故仿真方法的实现方式。 

事故仿真运行模块6利用环境构建模块中建立的事故演练场景，Agent产生模块61则将危险源、人员、设备等实体按照需要生成各类智能体，并放置于仿真环境中。根据预先制定的演练方案或实时演练指令的下达，向计划执行模块发布决策指令。计划执行模块63是整个仿真系统的核心，根据知识库23中的知识规则和模型库22中的模型，计算并执行Agent生成模块61产生的各类智能体在仿真环境中的行为，同时动态更新Agent状态属性以及仿真环境，将计算结果输出到仿真构建模块1。计划执行模块63采用了一个基于分布式、并发的合成Agent行为自组织体系结构。煤矿事故仿真可以包括预处理、计划执行及输出三个步骤： 

预处理步骤：a)数据收集：首先计算必需的数据，数据来源于数据库模块2提供的基础数据，参数界面配置模块提供的智能体/环境参数值和通信模块提供的通信数据；b)构建Agent和环境：在数据搜集工作完成的基础上，构建定制的Agent实体和虚拟仿真环境，创建Agent结构由Agent生成模块61完成，创建虚拟环境由仿真场景构建模块1完成，此部分预处理主要工作是核查Agent和虚拟环境的创建工作是否完成，在创建工作完成的基础上初始化各Agent实体目标以及简单行为。 

计划执行步骤：计算各个Agent实体的行为，Agent和虚拟环境相互 作用，在实现目标的过程中逐渐学习它的反应式行为，经过合成，配置后执行其行为模式。a)模型计算：基于Agent在预处理阶段收集的内部状态值，虚拟环境提供的外部状态值和外部指令的数据，选择模型库22中模型和知识库23中知识进行模型计算，形成模型计算结果，将模型计算结果输入行为选择器。b)行为选择：利用知识库23中的Agent行为规则和模型计算结果进行行为计算并选择智能体行为，以及设置下一时刻的子目标。c)行为配置：行为选择完成后，在行为选择结果和外部环境检测数据的基础上，利用知识库23中Agent行为经验学习规则进行智能体实体行为复合配置；另外，在Agent行为执行完成后，将行为执行信息反馈给行为选择步骤，对行为选择规则中的行为选择参数进行修正，可以通过进行性能评估或设置条件的方式实现；d)行为执行：更新智能体的内部状态值，以及将行为状态信息传递给仿真模块1中构建的虚拟环境，利用知识库23中环境更新规则实现虚拟环境的动态更新，形成更新后的环境变量；并进入下一个时刻的循环计算，直至各智能体达到目标。 

输出步骤：当Agent配置行为执行完成后或虚拟环境更新完成后，根据行为执行状态信息和环境变量，实时更新虚拟环境。执行结果输出到仿真场景构建模块1中，以虚拟仿真环境显示、视图控制以及数据文件的方式展现。仿真场景构建模块1可以包括二维仿真子模块11(例如，地理信息系统GIS)和三维仿真子模块12(例如，虚拟三维仿真世界)。仿真场景构建模块1可以根据设置参数，在综合数据库的危险源子库、资源子库、基础地理数据子库的基础上建立符合真实情况的微观疏散场景环境模型，将场景中的环境信息映射到仿真模块中，为疏散仿真提供仿真环境；所述仿真环境将应急事件的发生、发展和结束通过二维场景、三维场景、图像或者文字等多种媒体形式在计算机中直观展现。 

下面通过一个具体智能体的例子来说明煤矿事故仿真。 

灾难源Agent演变过程 

灾难源智能体行为执行过程如图6所示，在T时刻，灾难源智能体首先在参数配置界面模块提供的参数配置的基础上，利用模型库中灾难源演变模型进行灾难源演变计算；执行所计算的演变行为，进行性能评估，进入T+1时刻循环计算；同时根据执行结果更新环境变量，例如灾难源覆盖区域面积，扩散走向，并可视化输出到仿真模块。

四、基于实验结果的隐患辨识 

通过对仿真场景构建模块实验运行数据的分析，可以辨识出目前煤矿所存在的安全事故隐患，并进一步实现应急决策的优化，图3中事故数据分析模块7进行事故实验数据分析的过程可以如图7所示。首先，实验解析器对已经完成的仿真结果进行解析，获取事故的分类、分级，以及事故属性信息。然后，利用分析决策模型统计各类设置参数对事故产生的影响，例如统计信息(人员分布、设备分布等)，危险源参数值(规模因子、扩散速度等)，疏散方案因子(交通调度、救援人员分布)；事故造成的后果包括危害程度、影响范围、人员损失等。所采取的决策分析模型主要有两种：①多属性群决策分析模型，多专家对多属性决策问题进行评价时，根据多专家对事故的多属性评价建立评价向量矩阵，通过计算各属性的个体理想方案得出决策群体的综合评价建议；②模糊决策分析模型，根据模糊决策分析原理求解定性与定量相结合的决策问题。 

最后，图7中的综合器将实验分析结论与知识库相关联，实现煤矿安全隐患的辨识与风险预测，为应急决策的优化提供支撑。知识库中所涉及的知识有：规则型知识(事故处置规则、预案修正规则等)，本体知识(事故术语、领域术语、及其它语义相关的本体)和范例知识(事故处置的历史范例)。安全隐患的辨识一般有两种方法：基于规则比 对，即根据规则调整或整合出合适的预案，通过与实验数据的比对，发现事故应急过程中所存在问题；基于范例比对，即调整或整合出合适的事故案例，通过与实验数据的比对，发现事故应急过程中所存在问题。两种手段可同时使用，最后需要对结果进行综合。 

人(决策者和顾问)在这个过程中扮演重要的角色，他们是理解、分析和制定工作流程的最后拍板者，可以根据实验数据的分析结果对事故处置预案进行调整、整合、重造，最终完成应急决策的优化。决策优化按照三种形式进行处理：再生型指有合适的应对事故预案，但预案中的资源、动作等由于某种原因无法工作，通过分析当前意外事件所处的现场状况，对应急预案的要素内容(包括应急的组织结构、资源、行为和任务等)进行替换，以达到更优效果的决策方式；调节型指没有合适的预案，但某几个预案片段调整、整合后能应对事故的决策方式；创新型指没有合适的预案能应对事故，决策者根据自身的知识制定应对事故的决策方式。 

这里以井下矿工火灾情况下紧急疏散的应急方案演练为例： 

指挥决策模块62利用仿真场景构建模块中建立的应急演练环境，根据预先制定的演练方案或实时演练指令的下达，向计划执行模块发布决策指令，计划执行模块63接收决策指令后，在仿真场景构建模块1上模拟危险发生时参与指挥决策的疏散场景，从而实现指挥演练的目的。指挥决策模块62不参与系统仿真执行的情况下，仿真结果为没有指挥调度的自然应急疏散过程。 

指挥演练工作流图如图7所示。 

确定计算实验的目标之后，搜集数据，主要包括紧急疏散行为对象信息，执行紧急疏散力量的组成及其能力信息，煤矿井下自然和人为环境条件，例如待疏散矿工数量、类型、各巷道内的紧急救生舱、疏散通道等数据；搜集数据完成后，制定疏散方案，模型库22中的优化模型计 演练仿真结果为制定疏散方案提供技术依据；制定了疏散方案后，拟订行动计划，下达疏散数据指令，本实例中，疏散数据指令的要素包括指挥者、指挥对象、指挥手段、指挥信息；然后实施行动计划，在计划执行模块63中实现行动计划的实施，并输出到仿真场景构建模块中的虚拟演练仿真环境；进一步，根据仿真实验的结果，对应急疏散方案进行性能评估，包括人员伤亡情况、经济损失、救援成本等，判断应急疏散方案是否满足指挥调度要求，是则结束演练，否则分析查找原因，确认现有方案中存在的安全隐患以及可能造成的风险，对方案进行调整和优化；然后，再搜集数据，进行新一轮的疏散方案演练，直至设计的应急方案能够获得满意的实验效果为止。 

Claims (10)

1.一种基于多智能体的煤矿事故仿真方法，其特征在于，包括：

根据收集到的基础数据、智能体概念模型和环境参数构建智能体实体和虚拟仿真环境；

选择预设模型和预设知识，将所选择的预设模型和知识结合所收集的基础数据和环境参数值，进行智能体模型计算，形成模型计算结果；

根据预设智能体行为规则和所述模型计算结果，进行智能体实体行为计算，选择智能体实体行为；

利用智能体行为经验学习规则进行智能体实体行为配置，执行智能体实体行为，更新所述虚拟仿真环境的环境变量，将智能体的行为状态信息和更新后的环境变量发送给仿真场景构建模块，使得仿真场景构建模块基于智能体的行为状态信息和更新后的环境变量更新当前时刻的虚拟仿真环境；

利用进行智能体实体行为配置时生成的配置信息更新行为选择规则中的行为选择参数，利用更新后的行为选择参数进行相邻下一时刻的智能体实体行为计算，选择智能体实体行为，进行智能体实体行为配置，执行相邻下一时刻的智能体实体行为，更新所述虚拟仿真环境的环境变量，将相邻下一时刻的智能体的行为状态信息和更新后的环境变量发送给仿真场景构建模块，使得仿真场景构建模块基于智能体的行为状态信息和更新后的环境变量更新相邻下一时刻的虚拟仿真环境。

2.根据权利要求1所述的方法，其特征在于，所述智能体包括：煤矿灾难源实体、井下矿工实体、应急设备实体和救疗媒介实体。

3.根据权利要求1所述的方法，其特征在于，还包括：将仿真结果进行解析，获取事故的分类、分级和属性信息；

根据所述事故的分级、分类和属性信息生成事故分析结论。

4.根据权利要求3所述的方法，其特征在于，还包括：将所述事故分析结论与知识库相关联，生成煤矿安全隐患辨识信息和风险预测信息。

5.根据权利要求1所述的方法，其特征在于，还包括通过通信模块实时采集煤矿当前的数据，用所述通信模块实时采集到的数据更新所述基础数据。

6.一种基于多智能体的煤矿事故仿真系统，其特征在于，包括：

智能体生成模块，用于根据收集到的基础数据、智能体概念模型和环境参数构建智能体实体；

仿真场景构建模块，用于根据收集到的基础数据、智能体和环境参数构建虚拟仿真环境；

模型计算模块，用于选择预设模型和预设知识，将所选择的预设知识模型结合所收集的基础数据和环境参数值，进行智能体模型计算；

行为选择模块，用于根据预设智能体行为规则进行智能体实体行为计算；

行为配置模块，利用智能体行为经验学习规则进行智能体实体行为配置，执行智能体实体行为，更新所述虚拟仿真环境的环境变量，并将环境变量发送给所述仿真场景构建模块；利用进行智能体实体行为配置时生成的配置信息更新行为选择规则中的行为选择参数，使得所述行为选择模块利用更新后的行为选择参数进行相邻下一时刻的进行智能体实体行为计算，选择智能体实体行为后，进行智能体实体行为配置，执行相邻下一时刻的智能体实体行为，更新所述虚拟仿真环境的环境变量，并将所述环境变量发送给所述仿真场景构建模块。

7.根据权利要求6所述的系统，其特征在于，还包括：数据库模块；

所述数据库模块包括、危险源子库模块、资源子库、基础地理数据子库、模型库和知识库。

8.根据权利要求7所述的系统，其特征在于，还包括：

事故隐患辨识模块，用于将仿真结果进行解析，获取事故的分类、分级和属性信息；根据所述事故的分级、分类和属性信息生成事故分析结论。

9.根据权利要求8所述的系统，其特征在于，所述事故隐患辨识模块还用于将所述事故分析结论与知识库相关联，生成煤矿安全隐患辨识信息和风险预测信息。

10.根据权利要求9所述系统，其特征在于，还包括：

通信模块，用于实时采集煤矿当前的数据，用实时采集到的数据更新所述基础数据。

Images